摘要
本申请实施例提供了一种基于元强化学习的机械臂控制方法和装置、设备及介质，属于机械臂控制技术领域。该方法包括：获取机械臂控制任务的历史交互数据；基于历史交互数据，对机械臂控制任务进行特征提取，得到任务特征；基于所述任务特征，通过预设策略网络确定目标机械臂动作；通过预设优势函数对所述目标机械臂动作计算优势值，得到目标动作优势；对目标动作优势进行归一化处理，得到目标动作权重；基于目标动作权重，对预设策略网络进行参数更新，得到目标策略网络；利用目标策略网络进行机械臂控制。本申请实施例能够提高机械臂控制方法的泛化能力。
